数据结构笔记

一、数据结构是什么？

数据结构就是已某种特定方式存储数据，按某种结构把数据结构化然后存储到内存容器当中。

二、我们为什么需要数据结构？

结构化存储可以让数据有不同的形态，我们通过构造多种结构来解决数据的增、删、改、查的效率问题，有的结构增删效率高，有的结构查效率高，所以我们需要数据结构来解决不同的问题。

三、数据结构的分类？数据结构的种类？

**数据结构分类**
==按逻辑结构分==
1、集合结构
2、线性结构
3、树形结构
4、图形结构
==按物理存储结构分==
1、顺序存储结构
2、链式存储结构
==按种类分==

1. 数组
2. 链表
3. 栈
4. 堆
5. 符号表
6. 树
7. 图
8. 队列

数组

在内存中顺序存储，线性结构，也就是说在内存中存储是有序的，所以数组结构是有索引的，但是做增删的时候需要移动大量数据，影响效率
特点：
查询效率高，增删影响效率
分类:
一维数组、二维数组

链表

在内存中链式存储，线性结构，元素在内存中是无序的，但是每个元素内部有指针指向下一个元素，所以查询的时候只能挨个查询，做增删只需要改变元素的指针指向即可。
特点:
增删效率高、查询效率低
分类:
单向链表、双向链表(一个元素的指针既可以指向后一个元素，同时又可以指向前一个元素)
问题:
有环链表、快慢指针问题、约瑟夫问题

栈

根据选择可由数组或者链表实现，线性结构，pop弹栈，push压栈
特点:
先进后出、后进先出
问题:
括号匹配问题、逆波兰表达式问题

堆

由树与数组实现，线性结构与树结构的合成
问题:
堆排序

符号表

以键值对形式存储数据。
特点:
键唯一，值不唯一

树

树可以由数组实现或者链表实现，但是呈树形结构 特点：
一棵树有一个父节点，父节点也叫做根节点，根节点可以由多个子节点，最下面的子节点叫叶子节点。
分类:
二叉树、平衡树、平衡二叉树、2-3树、红黑树、B-树、B+树

图

图是一组以网络形式相互连接的节点。节点也称为顶点。 一对节点(x，y)称为边(edge)，表示顶点x连接到顶点y。边可以包含权重/成本，显示从顶点x到y所需的成本
分类：有向图、无向图、加权有向图、加权无向图
遍历方式：广度优先、深度优先
问题:畅通工程、拓扑排序、prim算法实现最小生成树、kruskal算法实现最小生成树、松弛技术、Dijkstra算法实现最短路径

队列

可用数组或者链表实现，线性结构
特点:
先进先出
分类:
最小优先队列、最大优先队列、索引最小优先队列、所以最大优先队列

四、常见的排序规则有哪些？

• 冒泡排序
• 插入排序
• 选择排序
• 希尔排序
• 归并排序
• 快速排序
• 堆排序
• 基数排序

五、在一个给定的从1到100的整型数组中，如何快速找到缺失的数字？

可以先通过排序算法对这100个数字进行排序，然后再遍历这100个数字，判断当前迭代变量i是否等于数组中的arr[i]值。

六、数组和链表的区别

存储结构分：数组是顺序存储结构，在内存当中是有顺序的，链表是链式存储结构，在内存中是没有顺序的，但是他们的指针指向下一个元素，物理结构分二者都是线性结构。
通过特性区分：数组索引查询，查询效率高，但是增删伴随了大量的元素移动所以效率低(因为数组长度是固定的)，链表通过指针查询下一个数据，只能挨个查询，查询效率低，但是增删只需要修改指针的方向，所以增删效率高，各有各的优缺点，应根据情况选择使用。

七、简述快速排序的过程

快速排序是基于冒泡排序的改进版，它的时间复杂度是:最坏情况O(n^2),最好情况O(nlogn)，首先寻找基准元素，一般在数组头或者数组尾部寻找，通过该基准元素将整个数组分为两个部分，一边大一边小，再从这两个部分中寻找基准元素，寻找出两个基准元素对两组数据进行分割，分割成四份，再一次类推，直到元素被分成单个不可再分，然后再进行排序，该方式成为分治。

八、算法的稳定性是什么？

在一组数据中有多个相同的元素，此时每个相同元素都有互相对应的顺序，通过排序，这些元素都还保存在相对的顺序，并没有被打乱，那就说明该元素是具有稳定性的。
具有稳定性: 冒泡排序、插入排序、归并排序
不具有稳定性: 选择排序、希尔排序、快速排序

九、排序算法的选择准则

通过三个方面来进行选择:
稳定性、元素个数n的大小、内存大小、数据是否较为有序。
快速排序: 适合较均匀的元素、数据量大的数据，速度很快，但是丢失了稳定性。
归并排序: 适合大量数据，但是速度欠与快速排序，但是有了稳定性。
希尔排序: 和归并排序类似，没有稳定性。
堆排序: 用于处理大量数据，对内存要求高。
插入排序: 适合较小数据量，在有序的情况下，排序效率较高，但是没有稳定性。
选择排序: 适合较小数据两，具有稳定性。
冒泡排序: 一般不直接使用。

十、邻接矩阵和邻接表的区别?

邻接矩阵是是通过二维数据实现，可以快速的查询并增删图的元素，但是要求空间大，邻接表示通过数组+队列/链表实现，速度较慢于邻接矩阵，但是占用空间小。

十一、用循环比用递归的效率高吗?

二者在效率方面是没有绝对高低之分的，但是递归不能解决层次太深问题，并且对栈是有要求的，且套太深会导致栈内存溢出异常，循环速度快，结构简单，但对于一些问题只适用于递归解决。

十二、解决哈希冲突的方法

• 线性探测法
• 平方探测法
• 伪随机序列法
• 拉链法

十三、B树与B+树的区别

B树的特性如下:
B树又称为M阶树，M代表一个节点可以存储多少数据，一般存储的最大数据为M-1个键值对，一个元素的子节点最多只能有M个，根节点至少有两个子节点。
B+树在B树的特性上新增了特性，B+树只有叶子节点才存储数据，其余节点都存储数据的索引，树的所有叶子节点构成一个有序链表。

十四、树的特性

树是已树状结构排列元素的数据结构，有一个根节点，每个根节点有多个子节点，子节点下又有子节点，但是每个子节点只有一个唯一的父节点，最底下的子节点叫做叶子节点，树的高度是叶子节点到根节点经历的边数。

十五、二叉树的特性

二叉树拥有数的基本特性，但是二叉树的每个父节点规定只能有两个子节点，分别为左子结点和右子节点。

十六、二叉查找树的特性

二叉查找树又叫做二叉搜索树，也叫做排序二叉树，它要求二叉树是有序的，那么保证它有序的条件是：左子节点一定小于父节点，右子节点一定大于父节点，因此可以得出左子节点小于右子节点，有了这一层关系之后，就可以通过递归查找。

十七、AVLTree的特性

AVLTree又叫做平衡二叉树，它拥有二叉查找树的特性，它要求左子节点和右子节点的高度差不能大于1，要求接近高度平衡而不是绝对平衡，因此它需要通过左旋或者右旋来调整平衡，查找、插入和删除在平均和最坏情况下都是O（log n)。

十八、红黑树

红黑树和VALTree十分相似，都是二叉树，也都需要通过自旋来调整树的平衡，但是AVLTree要求高度平衡，而红黑树只需要大概平衡，它需要左子节点的高度不能相差于右子节点的2倍，一旦其高度相差超过两倍那么需要自旋调整平衡，红黑树还有其他特性如下：

• 红黑树的元素非红即黑
• 红黑树的根节点和叶子节点必须为黑色
• 如果当前节点为红色，那么不允许当前节点的父节点或者子节点为红色(不能连续出现两个红色节点)
• 每一个从根节点到叶子节点的路径上的黑色节点数量必须相同

十九、2-3树的特性

2-3树不同于二叉树，二叉树只能有两个子节点，而2-3树最多可以有三个子节点，二叉树每个节点只能有一个值(或键值对)，2-3树最多可以有3个值，但是一旦发生存储了3个值(插入值是和二叉树一样的，大的放在左边，小的放在右边，注意：只有在叶子节点插入值时才不会向下延伸，只会在叶子节点当中直接插入该值)，那么该节点则会发生改变，该节点会将三个值最中间的值提升为父节点，并将两侧是指提升为该父节点的左右子节点，可以看出，2-3树是向上生长的树，那么他们的叶子节点高度一致，属于绝对平衡树。

二十、B树的特性

B树是从2-3树中伸展出来的，和2-3不同的是，它一个节点可以保存M个值，这个M自定义，所以我一般将B树叫做M阶B树，M阶B树特性如下：

• 每个节点最多有M-1个值，如果超过则向上生长
• 每个父节点只能有M个子节点
• 根节点的子节点不能少于2个

二十一、B+树的特性

B+树和B树十分相似，不同点在于B+树的非子节点不保存元素，只保存元素的索引，所以只有叶子节点保存元素，这样就形成了一个有序链表，但是这个链表是有索引的。